Στη νέα εργασία, οι συγγραφείς δημιούργησαν ένα νευρωνικό δίκτυο που καθορίζει τη μορφή που θα πάρει μια συγκεκριμένη πρωτεΐνη.
Το σχήμα πρωτεΐνης υπολογίζεται τώρα χρησιμοποιώνταςένας επιταχυντής σωματιδίων, ο οποίος δίνει τρισδιάστατες φωτογραφίες μορίων πρωτεΐνης, ή με τη βοήθεια ενός υπερυπολογιστή, ο οποίος υπολογίζει τη δομή τους σύμφωνα με τους νόμους της χημείας και της κβαντικής φυσικής.
Οι συγγραφείς δημιούργησαν τον αλγόριθμο evoformer, ο οποίοςπροσπαθεί να προσδιορίσει τη δομή μεμονωμένων τμημάτων πρωτεϊνικών μορίων, αναπαριστώντας τα με τη μορφή ενός τρισδιάστατου δέντρου γραφημάτων—μια μαθηματική αφαίρεση που αποτελείται από ένα σύνολο αντικειμένων που συνδέονται σε ζεύγη μεταξύ τους. Το Evoformer τους συνδέει μεταξύ τους, με βάση ήδη γνωστά παραδείγματα, και σταδιακά αλλάζει τη δομή των συνδέσεων και τη θέση των κόμβων, προσεγγίζοντας το βέλτιστο.
Στη συνέχεια, συνδύασαν τέτοιους αλγόριθμους και δημιούργησαν ένα νευρωνικό δίκτυο AlphaFold2.
Πέρυσι παρουσιάσαμε ήδη την πρώτη έκδοσητο σύστημά μας, το AlphaFold, το οποίο ήταν σε θέση να προβλέψει τη δομή των πρωτεϊνών με σχεδόν ατομική ακρίβεια ως μέρος του διαγωνισμού CASP13. Τώρα δημιουργήσαμε μια νέα έκδοση του, που ξεπερνά αισθητά όλους τους ανταγωνιστές σε ταχύτητα και ακρίβεια. Επιπλέον, ο πηγαίος κώδικας του είναι εντελώς ανοιχτός.
Ντέμης Χασάμπης, Διευθύνων Σύμβουλος της Deepmind
Ως αποτέλεσμα, το νευρωνικό δίκτυο ανακατασκευάζει το τρισδιάστατο σχήμα με ατομική ακρίβεια σε περίπου 10 λεπτά, με σφάλμα 0,096 νανόμετρα για κάθε άτομο μέσα στην πρωτεΐνη.
Διαβάστε περισσότερα:
Εξήγησε πώς το σύμπαν αντανακλάται κοντά σε μαύρες τρύπες
Μαζική δηλητηρίαση και νέες εκδοχές του θανάτου του πολιτισμού: πώς άλλαξε η γνώση μας για τους Μάγια
Οι αλλαγές στην τροχιά της Γης συνέβαλαν στην εμφάνιση σύνθετης ζωής στον πλανήτη